北美首頁 | 新聞 | 時尚 | 大陸 | 臺灣 | 美國 | 娛樂 | 體育 | 財經 | 圖片 | 移民 | 微博 | 健康
美股佣金對照表
Value Engine Stock Forecast
ENTER SYMBOL(S)

徐直軍:華爲已完成全棧全場景AI解決方案的構建

http://finance.sina.com   2019年08月23日 00:48   北京新浪網

  新浪科技訊 8月23日下午消息,華爲今日正式發佈了AI芯片升騰910及全場景AI計算框架MindSpore。華爲輪值董事長徐直軍在發佈會上表示,升騰910和MindSpore的推出,標誌着華爲已完成全棧全場景AI解決方案的構建。

  以下爲徐直軍演講全文:

  感謝大家參加今天的發佈會,在去年華爲HC大會上,我首次正式發佈了華爲AI戰略和華爲全棧全場景AI解決方案。

  同時,我也分享了十個有關人工智能技術、人才、產業的重要變革方向。期望產業界圍繞十個變革方向,來解決人工智能“輝煌”與“冷靜”之間的巨大落差,開創未來。華爲也圍繞幾個變革方向一直在努力實踐。

  首先,請允許我回顧一下華爲的AI戰略:1、投資AI基礎研究,在計算視覺、自然語言處理、決策推理等領域構築數據高效(更少的數據需求)、能耗高效(更低的算力和能耗),安全可信、自動自治的機器學習基礎能力;2、打造面向雲、邊緣和端等全場景的、獨立的以及協同的、全棧解決方案,提供充裕的、經濟的算力資源,簡單易用、高效率、全流程的AI平臺;3、投資開放生態和人才培養,面向全球,持續與學術界、產業界和行業夥伴廣泛合作;4、把AI思維和技術引入現有產品和服務,實現更大價值、更強競爭力;5、應用AI優化內部管理,對準海量作業場景,大幅度提升內部運營效率和質量。

  同時也利用此次機會,再次介紹一下華爲全棧、全場景解決方案。我們提出的全場景,是指 包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。我們說的全棧是技術功能視角,是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。華爲的全棧方案具體包括:

  Ascend: 基於統一、可擴展架構的系列化AI IP 和 芯片,包括Max,Mini,Lite,Tiny和Nano等五個系列;

  CANN: 芯片算子庫和高度自動化算子開發工具;

  MindSpore,支持端、邊、雲獨立的和協同的統一訓練和推理框架;

  應用使能:提供全流程服務(ModelArts),分層API和預集成方案。

  首先是基於Ascend310 的產品和雲服務的商用情況。

  1、基於升騰310的Atlas、MDC產品:MDC和國內外主流車廠在園區巴士、新能源車、自動駕駛等場景深入合作;Atlas系列板卡、服務器和AI相關的數十傢伙伴,在智慧交通、智慧電力等數十個行業落地AI行業解決方案;

  2、基於升騰310的華爲雲服務:華爲雲圖像分析服務、OCR服務、視頻分析服務 超過50+ API都已經基於Ascend 310服務,日均調用量超過1億次,而且在快速增長,預計年底日均調用量 >3億。

  其次是ModelArts的商用進展。ModelArts全流程模型生產:打通、覆蓋了從數據獲取-模型開發-模型訓練-模型部署的全鏈條,日均作業量以及在線開發者:日均訓練作業任務超過4000個,32000小時,其中:視覺類作業佔85%,語音類作業佔 10%, 機器學習5%,ModelArts已經擁有開發者超過3萬。

  我宣佈:算力最強的AI處理器 Ascend 910 正式推出。去年10月,我們發佈了Ascend 910的技術規格,今天我向大家介紹最新的實際測試結果。

  在算力方面,測試結果表明,升騰910完全達到了設計規格,即:半精度 (FP16): 256 Tera-FLOPS;整數精度 (INT8) : 512 Tera-OPS。其次重要的是,達到規格算力所需功耗僅310W,明顯低於設計的350W。

  應當說,升騰910總體技術表現超出預期。我們已經把升騰910用於實際AI訓練任務。其中,在典型的ResNet-50 網絡的訓練中,升騰910與MindSpore配合,與現有主流訓練單卡配合TensorFlow相比,顯示出接近2倍的性能提升。每秒訓練的圖片數量從965張提升到1802張。

  面向未來,針對不同的場景,我們將持續投資,推出更多的AI處理器,面向邊緣計算場景,在已經商用Ascend 310基礎上,計劃2021年將推出Ascend 320。

  現有MDC是基於Ascend 310的,有效支持了自動駕駛的開發,未來面向規模商用,我們將陸續推出Ascend 610/620。針對AI訓練,今天正式推出Ascend 910,未來還將計劃推出Ascend 920。

  今天還要發佈全場景AI計算框架MindSpore。能否大大降低AI應用開發的門檻,能否實現AI將無處不在,能否在任何場景下確保用戶隱私得到尊重和保護,這些都與AI計算框架息息相關。

  爲此,在去年HC會上我們提出:AI框架應該是開發態友好(例如顯着減少訓練時間和成本)和運行態高效(例如最少資源和最高能效比),更重要的是,要能適應每個場景包括端,邊緣和雲。

  經過近一年的努力,全場景AI計算框架MindSpore在這三個方面都取得了顯著的進展:在原生適應每個場景包括端,邊緣和雲,並能夠按需協同的基礎上,通過實現AI算法即代碼,使開發態變得更加友好,顯著減少模型開發時間,降低了模型開發門檻。通過MindSpore自身的技術創新及MindSpore與Ascend處理器協同優化,實現了運行態的高效,大大提高了計算性能;MindSpore也支持GPU、CPU等其它處理器。

  很多人問我,現在已有了TensorFlow、PyTorch框架,華爲爲什麼還要開發並推出MindSpore框架。我告訴他們,由於沒有任何一個現有框架支持全場景,而華爲的業務覆蓋端-邊緣-雲,且在隱私保護日漸重要的背景下,需要一個能支持全場景的框架,實現AI無所不在越來越基礎的需求,這也是MindSpore的重要特色。針對不同的運行環境,MindSpore框架架構上支持可大可小 ,適應全場景獨立部署。同時,MindSpore框架通過協同經過處理後的、不帶有隱私信息的梯度、模型信息,而不是數據本身,以此實現在保證用戶隱私數據保護的前提下跨場景協同。除了隱私保護,MindSpore還將模型保護Built-in到AI框架中,實現模型的安全可信。

  爲了降低AI開發者的開發門檻,MindSpore創造性地實現了AI算法即代碼,使開發態變得更加友好,顯著減少模型開發時間。以一個NLP(自然語言處理)典型網絡爲例,相比其他框架,用MindSpore可降低核心代碼量20%,開發門檻大大降低,效率整體提升50%以上。

  我們通過MindSpore框架的技術創新及把MindSpore框架與升騰處理器的協同優化,有效克服AI計算的複雜性和算力的多樣性挑戰,實現了運行態的高效,大大提高了計算性能。除了升騰處理器,MindSpore同時也支持GPU、CPU等其它處理器。

  爲了更好促進AI的應用,MindSpore將在2020年Q1開源,助力每一位開發者。

  隨着升騰910 AI處理器以及 MindSpore 全場景AI計算框架的推出,華爲全棧全場景AI解決方案各重要組成部分悉數登場,因此可以說,華爲已完成了全棧全場景AI解決方案的構建。

  這對華爲的AI業務,已是一個新的里程碑,更是一個新的開始,期待與夥伴更加深入、廣泛的合作,讓AI無所不及,造福於每個人、每個家庭、每個組織。更震撼的AI新品,敬請關注HC2019。

Bookmark and Share
|
關閉
列印